System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于智能电网领域,涉及一种基于多目标优化及时域卷积神经网络的窃电检测方法。
技术介绍
1、智能电网输、配电过程中存在电力技术性损失与非技术性损失,其中电力技术损失为线损、变压器铁损与铜损等。而非技术性损失指用户通过一定的技术和设备非法篡改智能电表或入侵电力系统,造成用户用电量低于实际用电量的行为。这些窃电行为严重损害电网的经济利益,并给人民的用电安全带来隐患。因此,研究有效的窃电检测方法具有十分重要的意义。
2、然而,用户用电行为的多样性及窃电行为的隐蔽性,导致当前窃电检测方法的误检率与检出率难以同时满足工程实践需求。因此,有必要设计一种基于多目标优化及时域卷积神经网络的窃电检测方法。
技术实现思路
1、本专利技术所要解决的技术问题是提供一种基于多目标优化及时域卷积神经网络的窃电检测方法,本专利技术主要针对当前电网窃电检测误检率高与检出率低的问题,采用nsga-ⅲ提高窃电检测模型的检出率并降低误检率。针对现有技术存在的技术问题,本专利技术建立准确率、检出率与误检率三个维度的目标函数,提出一种改进时域卷积神经网络的窃电检测多目标优化方法。
2、专利技术的技术解决方案如下:
3、一种基于多目标优化及时域卷积神经网络的窃电检测方法,包括以下步骤:
4、步骤s1:数据采集;
5、步骤s2:构建模型;
6、模型为基于时域卷积神经网络的用于窃电检测的多目标优化模型;
7、步骤s3:对模型进行训练;
...【技术保护点】
1.一种基于多目标优化及时域卷积神经网络的窃电检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于多目标优化及时域卷积神经网络的窃电检测方法,其特征在于,所述步骤S1中,从用户用电信息采集系统获取用户的电力数据,并根据现场稽查结果为每个用户生成窃电标签,构建窃电数据集。
3.根据权利要求1所述的基于多目标优化及时域卷积神经网络的窃电检测方法,其特征在于,所述步骤S1中的数据集分为训练集、测试集和验证集三个部分,比例为6:2:2。
4.根据权利要求1所述的基于多目标优化及时域卷积神经网络的窃电检测方法,其特征在于,所述步骤S2中构建的时域卷积神经网络包括特征提取网络和二分类网络;特征提取网络包括4个残差块和一个CBAM特征融合层,每个残差块包括两个时域卷积层、一个快捷连接、两个BN权值归一化、两个ReLU激活函数;
5.根据权利要求4所述的基于多目标优化及时域卷积神经网络的窃电检测方法,其特征在于,步骤S2中:
6.根据权利要求1所述的基于多目标优化及时域卷积神经网络的窃电检测方法,其特征在于,所述步骤S3具
7.根据权利要求6所述的基于多目标优化及时域卷积神经网络的窃电检测方法,其特征在于,所述步骤S32中基于窃电检测的混淆矩阵误建立准确率、检出率与误检率三个维度的多目标优化函数,其过程为:
...【技术特征摘要】
1.一种基于多目标优化及时域卷积神经网络的窃电检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于多目标优化及时域卷积神经网络的窃电检测方法,其特征在于,所述步骤s1中,从用户用电信息采集系统获取用户的电力数据,并根据现场稽查结果为每个用户生成窃电标签,构建窃电数据集。
3.根据权利要求1所述的基于多目标优化及时域卷积神经网络的窃电检测方法,其特征在于,所述步骤s1中的数据集分为训练集、测试集和验证集三个部分,比例为6:2:2。
4.根据权利要求1所述的基于多目标优化及时域卷积神经网络的窃电检测方法,其特征在于,所述步骤s2中构建的时域卷积神经网络...
【专利技术属性】
技术研发人员:高云鹏,陈康,蔡梓文,赵云,李云峰,肖勇,张奇文,陆煜锌,庄悦,王浩林,
申请(专利权)人:湖南大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。